LLM Wiki 在讲什么
Andrej Karpathy 最近 给出了一个特别棒的知识工作方法论 LLM Wiki：与其把所有东西塞进一段越长越乱的对话，不如在本地维护一本个人 wiki。许多小篇幅的 markdown 页面，每页只聚焦一个实体或一个话题，互相之间用 [[wikilink]] 连起来，再配一个 index.md 当目录。LLM 负责帮你做这些琐碎的整理；人来策划。
Karpathy 提到的，也是我们非常赞同的：
维护知识库最累的部分不是阅读，也不是思考，是整理。
正是这种需要正襟危坐、双手输入、做足心理建设才能开始的整理负担，让大多数个人笔记、知识、wiki 在几个月之后慢慢被搁置：交叉引用越积越多、版本对不上、矛盾散落在各处，最后没人再愿意回去更新。LLM 不会厌倦这种事，让它来打理这些琐碎，知识就能慢慢沉淀成一种人和 AI 都方便长期反复读、反复改的形式。这是 LLM Wiki 的方法论里的核心。
然而，相信 Nowledge Mem 的老用户和我们一样，在第一次看 LLM Wiki 的时候都会会心一笑：我们就是这么处理上下文的呀！以及，用双链 Wiki 来看这些知识好像不错啊。
Nowledge Mem 这一年在做什么
Karpathy 的工作分享出来之前，Mem 这边其实已经在做类似的尝试。我们走过来的路稍有不同：起点是 AI 工具一侧的两个老问题：会话之间什么都记不住，加上很难有人愿意自己长期打理一份知识库。这两件事让 AI 工具几乎无法在自己使用过程中沉淀知识。Karpathy 把这个问题和核心的解法给出了清晰的方法和命名。
过去这一年里，Mem 一直在做的事是：把你日常使用 AI 时产生的知识捕获下来，集中到一个地方。你保存的记忆、你导入的资料、浏览器扩展抓回来的对话、智能体提炼出的决策，用一张「超图」知识图谱把这些连接存起来。Background Intelligence 在后台识别主题聚类、演化关系、矛盾点。检索可以横跨所有这些内容。
Karpathy 真正点出来的工作是：把这些组织成 wiki、并且当作 wiki 来读的范式。我们尽量把可以自动化的整理工作替你处理掉，留下需要人来做的那一部分：选什么来源、问什么问题、决定什么值得留下来。这些还是你的事。
我们之前缺什么
如果你先读了 LLM Wiki 那篇文章再打开 Mem，差距会很容易感受到：知识、原始信息源、提炼出来的结论，以及它们之间的所有连接，其实都已经在知识图谱里，但 阅读的界面 却完全不是 wiki 的样子。你可以在 Knowledge Graph Agent 上或者 Graph View 里自己探索，但就是不能像 Wiki Link Surfing 那样一路点着读下去 ~
v0.8：全面拥抱 LLM Wiki
在 v0.8 里，我们重新设计了一遍，让人类用户和 Agent 都用上了完全体的 LLM Wiki。
这次我们补的是另外那一面：以知识图谱里的社区、实体、记忆结晶为基础，给资料库装上一整套可以读的 wiki 结构。
原来只是装文档和 URL 的资料库，现在成了一本你可以翻着读的 wiki：
- Wiki 标签 就在资料库最左边的那个 Tab。它把你的知识按 AI 自动整理出来的主题分簇，每张卡片下面列了这个簇里被提到最多的概念，以及总结了它们的几条结晶。点任意一张卡片，右侧就打开它的主题页。
- 实体页 就是这个实体的 wiki 词条：它属于哪个主题、第一次什么时候被识别出来、AI 给的置信度有多高、有哪些别名、哪些记忆里提过它、它身边还有哪些相邻实体。这些信息都是从图谱里实时投影出来的，不用你另外维护一份副本。
[[实体名]]wikilink 现在结晶页和 AI 生成的内容里直接可点击。AI 自己写新内容时也已经在用，所以新沉淀下来的东西天然带着互链。大小写无所谓，认别名。- 「由 N 条记忆合成」 出现在每一份结晶页和 AI 生成产物的底部，按贡献度从高到低列出它的来源记忆。点任意一行，就能在原地浮一个小窗看那条记忆。
- 和 AI 一起精读 把一份资料变成一次有引导的整理：AI 把整份资料读一遍、对照你已经存的记忆、把值得记下来的几条记忆或结晶挑出来给你看，wiki 链接已经写好了。下面有 保存 1、全部保存 或 跳过 三个按钮，不用打字回它。
- Wiki 导出 把你的整本 wiki 打成一份纯 markdown 的文件夹（
index.md、topics/、entities/、crystals/）。里面的 wiki 链接同样可以在 Obsidian、Logseq 或任意 markdown 阅读器里跳转。要刷新就再导出一次。 - 按页取的 wiki API 让 AI 或脚本不必拉整本 wiki，HTTP 直接取一页（实体、结晶或主题）的 markdown 就行。
- 结晶页和主题页的右栏做了细调。 结晶页底部多了一段「演化」：哪些更早的记忆长成了它，它后来又被改成了什么。点其中任意一行就能看那条原始记忆。主题页旁边多了一行「相关主题」，让你顺手跳到附近那个簇。每张 wiki 页都多了一个「最近更新」日期；如果和「首次出现」是同一天，就只显示一个，免得看着重复。
- 每张主题页旁边还多了一栏「这个主题上的最新动静」，列的是最近这段时间里跟这个主题相关的几条记忆，用它来回答「我最近在这个话题上想到了什么」，比翻整本 wiki 快很多。
- Wiki 里能看见图谱了。 实体页、结晶页、主题页都在右栏嵌了一张小图。和图谱标签里那张其实是同一张图，节点能点开跳页，能缩放，能悬停看上下文。主题页那张图最特别一点：画的是这个聚类自己的形状，里面的实体怎么互相牵连，哪几条记忆同时提到了它们里面好几个。哪怕这个主题底下挂了两百个实体，你看到的也是这个簇真实的轮廓。
- 深入研究：从 wiki 翻到图谱，再翻到 Graph Intelligence。 每张 wiki 页面右上角现在有个「深入研究」按钮。在实体或结晶页上点它，图谱标签会自动打开，那个节点已经选好了。在主题页上点它，整个聚类一次性高亮在画面里。然后你可以自己缩放、展开邻居；也可以让旁边的 Graph Intelligence 接手：问它「这里到底在讲什么」，问它哪里在自相矛盾，让它写一份阶段总结。Graph Intelligence 写完的结晶会回到 Library 这张主题页底下；下次再翻到这张页，它就在那里。
Nowledge Mem 的 LLM Wiki
Nowledge Mem 的 LLM Wiki，是把 Karpathy 描述的「阅读路径」叠在 Mem 一直就有的「写入路径」上。Mem 后台的 Background Intelligence 继续在「超图」知识图谱上做冲突识别、演化整理、双时间线、遗忘处理这些事；新增的 Wiki 则让你终于有一个地方可以读它。
这里有几条边界，是我们有意保持的：
- Wiki 页面是从数据层（记忆、资料、结晶）实时投影出来的；编辑发生在数据层，页面再从那里刷新。
- 导出生成的是一次性的切片副本；想要新的版本，再导一次就行。
- AI 只「提议」，由你决定要留下什么。「和 AI 一起精读」不会自动保存。
快速用起来
- 打开资料库，切到 Wiki 标签。如果空空如也，去图谱视图跑一次社群检测，再回来。
- 选一个已经有些记忆的主题。读读这个聚类，点进一个实体，再点进一个相关实体。你应该不需要打字就能一路跳着读完。
- 任意打开一份资料，点「和 AI 一起精读」。看一下提议，挑一条有用的点 保存 1。回到记忆视图找到它。
- 在任意一张 wiki 页面上点 深入研究。知识图谱会自动打开，把对应的实体、结晶或者整个主题预选好。然后你可以接着平移、展开邻居，或者把这个簇交给 Graph Intelligence，让它讲一讲这里到底是怎么回事、挑出矛盾、或者写一份初稿。你愿意保留下来的输出会作为 Crystal 回到资料库，落在你刚刚翻开过的那个 Wiki 上。
- 在分页栏点 Download。把 ZIP 在 Obsidian 这类阅读器里打开。同样那一套 wiki 链接在那边也能跳得通。
鸣谢
Karpathy 的 LLM Wiki 方法论，对 Nowledge Mem 是一面有用的镜子，让我们看清了自己在「让知识被读」这一面之前缺了什么。
接下来
v0.8 是 Mem 第一次让「读」这一面真正赶上了「写、自演进」那一面。
之后，我们想把 Agent Loop 向 Wiki 内部再收紧一点，比如：
- 让 深入研究 留下的对话，把它出发的那个聚类自动种回 Library 当 Crystal 起点；
- 给 Apple Notes / Obsidian 一类外部资料一条「双向」通道，让你在 Mem 之外的修改可以再流回来，不用手动重新导入；
- 让 EVOLVES 时间线把同一个概念在不同时间段、不同来源里出现的版本拼成一条可读的演化轨迹。